Question

假设我们有矩阵A：

A = [1,2,3
     4,5,6
     7,8,9]

我想知道是否有办法获得：

B = [1,2,3
     4,5,6
     7,8,9
     7,8,9]

以及：

B = [1,2,3,3
     4,5,6,6
     7,8,9,9]

这是因为我想要实现的功能如下：

U(i,j) = min(A(i+1,j)^2, A(i,j)^2)
V(i,j) = min(A(i,j+1)^2, A(i,j)^2)

numpy.minimum似乎需要两个形状相同的数组。

我的想法如下：

np.minimum(np.square(A[1:]), np.square(A[:]))

但它会失败。

Answer 1

对于您的特定示例，您可以使用numpy.hstack和numpy.vstack：

In [11]: np.vstack((A, A[-1]))
Out[11]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9],
       [7, 8, 9]])

In [12]: np.hstack((A, A[:, [-1]]))
Out[12]: 
array([[1, 2, 3, 3],
       [4, 5, 6, 6],
       [7, 8, 9, 9]])

最后一个的替代方法是np.hstack((A, np.atleast_2d(A[:,-1]).T))或np.vstack((A.T, A.T[-1])).T）：您无法hstack将(3,)数组添加到(3,3)个数组将元素放在(3,1)数组的行中。

Answer 2

@xnx为你的文字问题提供了一个很好的答案，但我想知道你真正需要的是否是别的东西。

这种类型的问题在比较中出现了很多，而通常的解决方案是仅采用有效条目，而不是使用未对齐的比较。也就是说，这样的事情很常见：

import numpy as np

A = np.arange(9).reshape((3,3))

U = np.minimum(A[1:,:]**2, A[:-1,:]**2)
V = np.minimum(A[:,1:]**2, A[:,:-1]**2)

print U
# [[ 0  1  4]
#  [ 9 16 25]]

print V
# [[ 0  1]
#  [ 9 16]
#  [36 49]]

我怀疑你可能在想，“这很麻烦，现在U和V的形状不同于A，这不是我想要的”。但是，对此我说，“是的，这是一个麻烦，但最好直接处理问题而不是将其隐藏在数组的无效行中。”

这种方法的标准示例和典型用例是numpy.diff，其中，“输出的形状与 a 相同，除了沿着轴的尺寸小于名词的“。

Numpy重复一行或一列

2 个答案: